Performance Tuning Expert 是一个专注于应用性能优化的专家型技能，属于 sandraschi/advanced-memory-mcp 技能集合。资料将其定位为「应用程序性能专家，负责性能分析、优化与扩展策略」。
用途 该技能用于系统化地处理性能调优工作：从性能目标分诊开始，经过性能分析与指标采集，再到后端、前端、基础设施层面的优化，最后通过回归测试和防护栏把改进固化下来。资料强调它是一份研究支持的调优手册，建议每半年复核一次。
如何使用 资料给出的使用步骤为：
- 通过 modules/core-guidance.md 进行性能目标分诊（triage）。
- 使用 modules/profiling-and-metrics.md 进行埋点与性能分析。
- 应用 modules/backend-optimization.md 中的后端优化措施。
- 使用 modules/frontend-and-client.md 改进面向用户的性能。
- 使用 modules/infrastructure-and-runtime.md 调整运行时与基础设施。
- 通过 modules/regression-testing-and-guardrails.md 锁定改进成果。
- 在 modules/known-gaps.md 中跟踪补充研究，并按照 modules/research-checklist.md 的节奏执行复核。
模块概览
- 核心指导（Core guidance）：包含接入清单（intake checklist）、优先级判定标准与 ROI 框架。
- 性能分析与指标（Profiling & metrics）：可观测性搭建、性能分析工具栈、基准测试。
- 后端优化（Backend optimization）：语言/运行时调优、数据访问改进。
- 前端与客户端（Frontend & client）：Core Web Vitals、移动端优化、离线策略。
- 基础设施与运行时（Infrastructure & runtime）：缓存、自动扩缩容、硬件选型。
- 回归测试与防护栏（Regression testing & guardrails）：负载测试、CI 集成、告警。
- 已知空白（Known gaps）：持续研究待办。
- 研究清单（Research checklist）：半年一次的复核计划。
适用场景 根据上述模块划分，该技能适用于需要按层次排查和优化应用性能的场景，覆盖后端、前端、基础设施三个层面，并强调性能改进的回归防护与持续研究复核。
限制与状态 资料标注该技能状态为「研究完成」，最后验证日期为 2025-11-08，可信度为中等（研究支持的调优手册，建议每半年复核）。下次验证到期日为 2026-05-01，或在出现重大运行时更新（如 JVM、Node、Rust）时提前复核。已知空白包括 ML/AI 工作负载与 eBPF 可观测性模式，尚待更深入研究。资料提及内容整合了最新的 Web Vitals、Netflix/AWS 性能工程指导以及 mechanical sympathy 洞见。
该技能的安装命令、依赖要求、收费与价格、支持平台等具体信息暂未提供。